一种嵌入分布信息的Web文档相似性度量

• 作者: 孙春红 杨明
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: Web网页的相似性度量 VSM 分布信息 web网页分类
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 计算机与通讯
• 页码范围: 66-70,76
• 页数: 6页
• 分类号: TP391.1
• 字数: 3873字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-1292.2008.03.015

摘要

Web文档间的相似性度量是web文本分类的关键,有效的相似性度量策略可改进Web文本分类的精度.经典的向量空间模型(VSM)仅考虑网页中单词的出现频率,未有效利用单词的分布信息,因而影响了网页的分类精度.论文计算了网页中单词分布位置的均值和方差,并将之引入到网页的相似性计算中,提出了一种直接嵌入分布信息的新的网页相似性度量方法.该方法因合理利用单词的出现频率及其分布信息,可有效改进和拓展经典的网页相似性度量策略.实验结果表明,该网页相似性度量方法是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学数学与计算机科学学院	58	1074	15.0	32.0
2	孙春红	南京师范大学数学与计算机科学学院	1	4	1.0	1.0